国内AI公司靠什么支撑高估值

前言

2017年注定是中国AI领域不平凡的一年，至少在融投资上而言，我们看到了资本一浪高于一浪的涌入与争夺。

2017年注定是中国AI领域不平凡的一年，至少在融投资上而言，我们看到了资本一浪高于一浪的涌入与争夺。今年10月，旷视科技（Face++）完成了C＋轮高达4.6亿美元融资，不仅一举超越了此前商汤科技的4.1亿美元B轮融资，也同时刷新了全球AI领域的融资记录。而到了11月，云从科技完成了B轮5亿元人民币融资，加上此前广州市政府对云从科技的20亿元人民币的政府扶持资金，云从科技总计获得25亿元发展资金。

而以上仅仅是计算机视觉领域三家头部独角兽公司的融资情况，如果算上计算机视觉领域的其他玩家，以及如自动驾驶领域蔚来汽车，AI芯片领域的寒武纪、深鉴科技等独角兽，还有智能硬件、机器人领域各种创业公司的融资，2017年国内全年AI领域的融资额将超过200亿人民币。

获得了上述融资以后，目前国内AI公司的估值变得令人咋舌。以计算机视觉龙头商汤科技为例，在传闻阿里巴巴战略投资了15亿元人民币之后，商汤科技的估值达到了30亿美元，折合196亿元人民币，而旷视、云从等估值也早已超越了百亿级。在经历了2016年～2017年的投资热潮以后，中国的AI公司的估值如火箭般上升，甚至与比特币相比也毫不逊色，以至于投资人感叹AI项目太贵的同时，很多业界人士开始质疑中国AI公司的估值是否过高了。

对于当前国内AI公司的估值，我们也许只能说，人工智能对于未来实在太重要了，以至于资本和投资者都愿意付出如此多的溢价去获得“船票”。而最值得我们去考虑的是，未来2年～3年这一批获得了高估值的AI公司应该如何发展才能够长期支撑起估值？为此有必要去建立起一个成熟度模型框架，去观察、跟踪这批正在“通往潜在巨头之路”公司的发展路径。

AI企业成熟度模型

在历史上，人工智能领域的研究先后经历了两次低谷期。而目前这波人工智能浪潮的再次兴起，其本质原因是孜孜不倦积累30多年的深度神经网络技术的集中爆发，在尤其是计算机视觉领域取得了巨大的进步。AlphaGo的成功很大程度上让人工智能这项技术又一次回到了大众的视野，进而又促进了资本对于人工智能优秀项目的追逐，也使得原本已经四分五裂到各个自学科的人工智能界，又一次大一统地重新回到了人工智能的旗帜之下。

然而这波资本的红利期，目前已经基本属于过去式。

如对于领头羊商汤科技而言，过去一两年支撑起其接近200亿元估值的，从一定程度上说，是汤晓鸥教授本人，以及商汤科技自身表述的豪言壮语：“精通深度学习的人基本都读过PHD，中国在这方面目前总共也就一、两百号人，而商汤包揽了120人。”而今后商汤要继续支撑其估值，除了人和团队以外，必定是其AI产品的商业化应用。为了更好地观察、跟踪目前人工智能公司未来的演进，本文专门提出一个AI企业成熟度模型，如下图所示。

阶段一：基础技术服务商。

在AI应用场景尚未成熟和得到市场验证之际，任何AI企业都倾向于从事基础技术的积累，这点无论对于国内外AI初创企业而言都是一样的，最典型的案例是DeepMind。目前大多数国内AI初创公司均属于或者准备脱离这一阶段，基础技术积累阶段的特征是对于人才的争夺，以及采取类似于实验室形式的AI技术与算法研发，而其核心驱动因素是团队与人才。

在此阶段，AI企业们大多热衷于在各个顶级会议发paper以及参与到各项国际AI竞赛的刷榜之中。由于技术的商业化程度不足，往往只能通过项目制形式为客户提供AI技术服务，即简单粗暴地卖模型、卖算法，如人脸识别技术服务、基础语言识别服务、金融领域的知识图谱工程等。但以人和算法作为企业核心能力是不可持续的，尤其目前深度学习领域的算法红利期变得越来越短，而人才缺口也在逐渐被填补。

阶段二：整体解决方案提供商。

显而易见的事实是，单点技术本身无法构成一项完整的应用和产品，比如狭义的人脸识别技术，需要与其他业务或者产品结合。比如技术+摄像头，成为智能视频监控设备，或者与传统支付产品结合，在密码/手机验证码上再加一层人脸识别验证，类似还有ATM机上增加人脸识别，才能在特定场景中形成具备商用价值的应用。

阶段三：AI产品化阶段。

单靠基础AI技术和整体解决方案本身，都难以成就一家伟大的AI公司，因为哪怕再好的技术和解决方案，都逃脱不了作为别人产品附属的定位，AI企业要走得更远的话，产品化是一条难以绕过的道路，这点我们可以在科大讯飞以及前些年百度所走的弯路上，看得再清晰不过了。对于目前国内AI公司的估值，未来离不开推出市场上具有影响力以及粘性的工业级/消费级AI产品，单纯的技术和整体解决方案很容易就触碰到天花板。

阶段四：协同生态构筑者。

产品背后的协同生态构筑，是AI企业成熟度的最终标志。什么是协同生态？我们以亚马逊智能音箱Echo为例，正如亚马逊Echo推出开始时应用（Alexa的Skill）的数量惨不忍睹，随后当Echo出货量爆炸式增长后，亚马逊吸引了大量开发者融入Alexa生态中，目前Alexa已经有了一万多个Skill。而其中的关键驱动力，是亚马逊强大的云计算能力——通过AVS（Amazon Voice System）以及ASK（Amazon Skills Kit）的开放，搭建了一个开发门槛低得不能再低的生态，开发者甚至完全不需要有任何语音识别的技术积累，AVS会解决所有的语音识别和语义处理等事情。这种类似于Echo的协同生态，能够以AI产品为中心驱动大量的参与者加入到生态之中，并成为企业未来利润的源泉。

演进中的“点、线、面、体”

对于目前国内这批已经取得如此高估值的AI独角兽，其未来最终的使命必定是成为伟大的AI产品公司——即全面产品化、产品协同生态化，否则我们无法想象在一个未来AI算法变得越来越普世、技术方案门槛变得越来越低的时代，一家AI公司仍然依靠单纯的技术服务该如何生存。

上文提出的AI企业成熟度模型，正是一家企业从技术情怀及崇拜出发、逐渐演变为伟大AI产品公司的路径，四个阶段实际上就是一个从“点”到“线”再到“面”，最终到“体”的演进过程。

“点”，就是单点技术服务商，也是在整个AI产业链上提供单点价值的角色，供给人脸识别、语音识别、图像OCR、到娱乐级别的人脸变妆、颜值检测等技术方案，以及产业辅助层面的各类数据标注服务，显而易见单点技术的天花板通常都比较低，至少相比目前大部分AI企业的估值而言。

“线”，即围绕特定细分场景，能够将各个单点连接为线条的角色，也就是上文中AI企业成熟度模型中的第二阶段整体技术提供商。“线”的概念，其实类似于传统管理咨询中的纵向一体化，在特定的垂直行业（或者其中的一个特定场景，如安防行业中的视频监控），通过整合自身或者上下游的“点”提供全栈服务，形成整体垂直领域的解决方案。以旷视科技为例，目前旷视推出了自身的全帧率、全画幅智能人像抓拍摄像头，里面也使用了旷视自主设计、为自家人脸识别算法优化的FPGA芯片，这样通过算法—芯片—硬件三点为线，形成了安防视频监控的整体解决方案，通过全栈服务从单点的人脸识别算法商走到了上游。

“面”和“体”，即AI产品化阶段，当AI整体解决方案足够标准化，进化为具有市场普遍性和粘性的工业级/消费级AI产品后，就进入了“面”的阶段，从而在面上覆盖更多的市场领域。而当“面”（产品）足够成熟，能够为足够多的第三方合作伙伴赋能时，正如亚马逊Echo案例中，AVS为第三方赋能语音识别和语义处理，就演进为“体”，即协同生态体系。

估值堰塞湖与涟漪效应

在稍早前《500家国内AI企业大数据分析：产业布局与融投风云》一文中，通过梳理目前国内超过500家AI企业的领域分布，我提出了一个接近纺锤体的AI产业形态分布：

大多数AI初创企业集中于通用AI技术以及成为了投资热点的消费级终端（智能机器人、无人机、智能硬件）上。行业场景应用方面虽然公司的绝对数量不少但过度集中于自动驾驶、智慧医疗和智慧金融上面，三者占了场景应用层65%的企业数量，融资金额更是占绝对多数。这反映了当前AI产业所面临的一个事实——在本轮AI创业浪潮之中，优秀资源（科学家、资金）集中在通用AI技术上。

通过这项分析发现，根据IT桔子数据，虽然目前国内已经有超过500家AI初创公司，其中大部分分布于场景应用和消费级终端上，但整体产业大部分融资额都集中在了如商汤、旷视、依图等通用AI技术企业上。原因在于本轮AI领域融投资的核心逻辑在于投人和团队，而杰出科学家创业团队往往热衷于创办通用AI技术企业，其中最热门的莫过于受益于深度学习最多、相对较成熟而且离商业化最近的计算机视觉领域，因此才有了现在由商汤、旷视领衔的计算机视觉独角兽乐园。

估值的终验

我们看到，当前这波AI领域融资红利期目前基本结束，由于优秀科学家团队的稀缺性，使得产业整体融资和估值出现了明显的马太效应，以至于在通用AI技术领域出现了估值的“堰塞湖”。对于湖水中纷纷拿到了巨额融资的独角兽们而言，资本既是一剂贯穿筋脉的强心针，同时也是压力和焦虑的源泉。尤其是对部分习惯于实验室式研究，以及在各类顶级会议上发paper的科学家创业公司，技术的商业化压力变得更大了。

当然，对于部分尤其是中小AI公司而言，继续选择“点”和“线”作为自身产业定位是没有问题的，产业同样需要多样性的生态，但对于估值动辄百亿级别的独角兽们，唯一的一条道路就是成为伟大的AI产品公司，向着全面产品化的“面”和“体”演进。否则，单纯的技术服务和解决方案，基本上难以获得匹配其估值的未来营业收入。

回到估值问题上，目前优秀科学家团队、项目、技术都相对缺乏，明星企业拿到了如此高估值是可以理解的。但真正的问题是，在不远的未来，当上述因素都变得不再稀缺的情况下，谁能够游到全面产品化的岸上。